2024年“双11”结束后，某店KPI未达成。经初步分析，双十一首次交易用户数量可观，因此KPI缺口可能与已购用户销售表现不佳有关。
一.明确问题
KPI缺口与已购用户销售表现不佳有关，说明分析的对象为“双十一”以前已在店铺中有过购买行为的用户。
二.分析原因
1.分析思路：
用多维度拆解分析方法拆解用户；用对比方法对比不同层次用户回购率变化；使用假设检验方法确认原因。
2.分析近三年回购率
可以看出回购率出现连年下降的情况，用户基数和回购人数一直在上涨，说明情况还不算太坏，但回购人数的增长慢于基数的增长，也就是说，新增的技术人群中，有一部分人表现不佳，拖累了群体。
| 年份 | 基数人群 | 购买人群 | 回购率 |
|---|---|---|---|
| 2022 | 410735 | 36089 | 8.79% |
| 2023 | 680522 | 54914 | 8.07% |
| 2024 | 911342 | 70267 | 7.71% |
3.多维度拆解分析方法来拆解用户
通过对比不同类型用户的回购率，探索更多信息。
（1）选择拆解维度R值
选择第一个拆解的维度是R值，该店铺基数人群为近两年购买用户，粗略把R值拆解为两组：R<=365和365<R<=730。两组人的回购率对比情况如图所示。
对比2023年双十一回购率发现，2024年双十一回购率下降了4.46%，但两个分组均没有呈现类似的下滑趋势。R<=365组完全持平，365<R<=730甚至略有提升，因此R值不能定位回购率下降的原因。
（2）选择拆解维度F值
它是指双11之前的两年时间里的购买频次，先粗略拆解为F=1和F>1。理论上来说，购买次数多的用户越活跃，回购率越高。
这两组用户在2023年和2024年的回购率有了明显区别。2024年F=1的用户回购率同比降低9.27%，而购买多次的用户回购率同比只降低0.81%。
F值的拆解带给我们有价值的洞察：仅购买一次的用户回购率下滑较大，造成2024年双十一回购率较低。
| 用户分组 | 2023回购率 | 2024回购率 | 回购率同比变化 |
|---|---|---|---|
| F=1 | 6.15% | 5.58% | -9.27% |
| F>1 | 13.55% | 13.44% | -0.81% |
| 合计 | 8.07% | 7.71% | -4.46% |
（3）对F=1的用户深入分析
将F=1的客户按照R值分成多组。这里可能有人要问为什么不对M维度进行进一步的分析？这是因为累计金额=客单价x购买次数，要拆解的用户过两年只购买了一次，单笔客单差异不大，是一个相对集中的数值，无法达到分组的效果。
| 用户分组 | 2023年回购率 | 2024年回购率 | 回购率同比 |
|---|---|---|---|
| R<=30 | 32.07% | 32.98% | 2.85% |
| 30<=R<=60 | 9.23% | 8.51% | -7.83% |
| 60<=R<=90 | 7.69% | 7.60% | -1.14% |
| 90<=R<=180 | 6.03% | 4.55% | -24.45% |
| 180<=R<=270 | 5.48% | 5.27% | -3.76% |
| 270<=R<=360 | 4.28% | 4.04% | -5.63% |
| 360<=R<=720 | 3.58% | 3.14% | -12.48% |
| 总计 | 6.15% | 5.58% | -9.27% |
90<=R<=180分组的回购率同比下降最大，那么由时间推断，该区间用户的上次购买时间介于2024.05-2024.08。
该店铺是服饰类目，根据平台电商节奏，5-8月主要为618大促和7月秋季上新。于是提出假设：这两次活动引入的新用户出现问题。可以对比用户一年的复购率、加入会员的比例、互动率、等指标。得出结论：2024年618大促带来的新用户未留存，这些用户的来源主要为平台的 ‘9.9’元秒杀等曝光量大的广告吸引来的低价尝鲜用户。
四.提出建议
根据分析结果,问题出在该店铺在今年平台大促引入购买一次的新用户后续转化率不足。 建议为这家店铺设计一次专门针对新用户的店铺首页。这版页面强化“即时奖励”+“复购挑战”+“长期复购”的权益，详细内容在此处就不多加赘述。
提建议时，可以从沟通和权益两大块考虑：沟通方面包括沟通对象分组、沟通渠道筛选、对不同用户沟通内容的定制；权益方面包括实物奖励、服务体验、特权身份、趣味互动等。
